お問い合わせ

土木・地盤改良の業界では、工法の選定が技術的な比較検討から始まります。 設計コンサルタントや発注者が「軟弱地盤でN値3以下、深度15mまで対応可能な地盤改良工法」のような条件で検索したとき、AI検索は技術仕様が明確に記載されたページを優先的に引用します。

この記事では、土木・地盤改良業のマーケティング担当者が、工法情報と施工実績をAI検索に最適化するための具体的な手順を解説します。

土木業界の検索行動がAIでどう変わるか

土木業界の技術検索は、従来から専門性の高いクエリが中心でした。 「深層混合処理工法 適用地盤」「薬液注入工法 施工手順」のような検索は、Googleでも行われてきました。

AI検索では、複合条件による比較クエリが増加します。 「砂質地盤で液状化対策として使える工法を、コストと施工期間で比較してください」のような質問に、AIは複数の工法ページから情報を収集して回答を生成します。

このとき、工法ごとの適用条件・施工可能深度・改良強度・概算コストが数値で記載されていなければ、AIの比較対象に入りません。 PDFの技術資料やカタログの中にだけ数値がある場合、クローラーが正確に取得できない可能性があります。

工法情報の構造化——Service schemaの実装

土木・地盤改良の工法は、Service schemaで構造化します。 各工法の適用範囲、技術仕様、対応可能な地盤条件を機械可読にします。

{
  "@context": "https://schema.org",
  "@type": "Service",
  "serviceType": "深層混合処理工法（CDM工法）",
  "provider": {
    "@type": "Organization",
    "name": "サンプル地盤株式会社"
  },
  "description": "セメント系固化材を軟弱地盤に撹拌混合し、柱状または壁状の改良体を造成する工法。最大施工深度70m、改良径Φ1,000〜1,600mm。",
  "additionalProperty": [
    {
      "@type": "PropertyValue",
      "name": "最大施工深度",
      "value": "70",
      "unitCode": "MTR"
    },
    {
      "@type": "PropertyValue",
      "name": "改良径範囲",
      "value": "Φ1,000〜1,600mm"
    },
    {
      "@type": "PropertyValue",
      "name": "適用地盤",
      "value": "粘性土・砂質土（N値0〜15程度）"
    }
  ]
}

additionalPropertyで施工深度・改良径・適用地盤条件を記述することで、AIが「深度50mまで対応可能な地盤改良工法」という質問に対して自社工法を候補として認識できるようになります。

NETIS登録情報の活用

NETIS（新技術情報提供システム）に登録されている工法は、公的機関による技術評価を受けた証拠として、AIの引用において有利に働きます。

NETIS登録番号、登録年度、技術の区分（活用促進技術・準推奨技術など）を自社サイトに明記します。

{
  "@type": "PropertyValue",
  "name": "NETIS登録番号",
  "value": "XX-XXXXXX-VE"
},
{
  "@type": "PropertyValue",
  "name": "NETIS区分",
  "value": "活用促進技術"
}

AIは出典が明確な情報を優先して引用します。 NETIS登録という公的な裏付けがあることを構造化データで示すことは、GEOにおいて大きなアドバンテージです。

施工実績データの記述方法

土木工事の施工実績は、発注者の選定判断に直結する情報です。 AI検索でも、「○○工法で施工実績が豊富な会社」という質問に対して、具体的な数値が記載されたページが引用されます。

施工実績は以下の項目を含むHTML表で記述します。

表形式にすることで、AIが個々の実績データを正確に読み取れます。 実績件数のサマリー（「CDM工法の施工実績：累計350件、総改良体積120万m³」など）を表の前に配置すると、AIが概要を把握しやすくなります。

技術文書のGEO対応

土木業界では、技術論文・施工報告書・設計資料がPDFで提供されることが一般的です。 検索需要の高い技術文書については、HTML版を並行して公開することを推奨します。

段落構造の基本

Gao et al.（2024）のRAGサーベイが示すように、AI検索のRetrieverは段落単位で関連性を判定します。 技術文書では、以下の構成を基本とします。

工法比較コンテンツの作成

設計段階での工法比較は、AI検索で頻出するクエリです。 「浅層混合処理と深層混合処理の違い」「薬液注入とジェットグラウトの使い分け」のような質問に対応するコンテンツを用意します。

比較は<table>タグで、適用深度・改良強度・概算単価・施工速度・適用地盤の項目を並列します。 表の直後に「軟弱層が深度5m以内の場合は浅層混合処理が工期・コストともに有利です」のように、選定の判断基準を明示します。

技術用語の多言語対応

土木・地盤改良の分野では、海外の技術者やコンサルタントがAI検索を使うケースもあります。 主要な工法名の英語表記を併記することで、海外向けAI検索での引用可能性が広がります。

工法ページのmeta descriptionや構造化データのdescriptionに英語表記を含めることで、多言語のAI検索にも対応できます。

robots.txtとサイト技術対応

AIクローラー（GPTBot、PerplexityBot、ClaudeBot、GoogleOther-Extended）が、工法紹介ページ・施工実績ページ・技術資料ページにアクセスできることを確認します。

土木業界のサイトでは、施工実績が画像主体のギャラリーで構成されていることがあります。 各画像にalt属性で「CDM工法による港湾岸壁基礎の地盤改良（改良深度32m、改良面積4,500㎡）」のように数値を含む説明を付与します。

XMLサイトマップには、工法ページ・実績ページ・技術資料ページを漏れなく含め、最終更新日を正確に記録します。

実装ロードマップ——3か月で始めるGEO対策

月1：現状把握と基盤整備

月2：コンテンツ改修

月3：計測と拡大

まとめ

土木・地盤改良のGEO対策は、工法の技術仕様をService schemaで構造化し、施工実績を数値データとして記述することから始まります。 NETIS登録情報の明示、工法比較コンテンツの整備、PDF技術資料のHTML化を段階的に進めることで、AI検索での引用率を高められます。

土木・地盤改良は「数値で判断する」業界です。 適用深度、改良強度、施工速度などの定量データが充実しているサイトは、GEOの評価基準と高い親和性があります。 まずは主力工法のService schema実装から着手し、3か月で基盤を整えることを推奨します。

参考文献